Fugu-MT 論文翻訳(概要): Bilateral Spatial Reasoning about Street Networks: Graph-based RAG with Qualitative Spatial Representations

論文の概要: Bilateral Spatial Reasoning about Street Networks: Graph-based RAG with Qualitative Spatial Representations

arxiv url: http://arxiv.org/abs/2512.15388v1
Date: Wed, 17 Dec 2025 12:40:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-18 17:06:26.98442
Title: Bilateral Spatial Reasoning about Street Networks: Graph-based RAG with Qualitative Spatial Representations
Title（参考訳）: 街路網の双方向空間推論:質的空間表現を用いたグラフベースRAG
Authors: Reinhard Moratz, Niklas Daute, James Ondieki, Markus Kattenbeck, Mario Krajina, Ioannis Giannopoulos,
Abstract要約: 本稿では,大規模言語モデル(LLM)の質的空間的関係を利用して,歩行者用ウェイファインダーの経路指示を提供する能力の向上について論じる。
参考スコア（独自算出の注目度）: 0.18472148461613155
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper deals with improving the capabilities of Large Language Models (LLM) to provide route instructions for pedestrian wayfinders by means of qualitative spatial relations.
Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)の質的空間的関係を利用して,歩行者用ウェイファインダーの経路指示を提供する能力の向上について論じる。

関連論文リスト

GeoVLMath: Enhancing Geometry Reasoning in Vision-Language Models via Cross-Modal Reward for Auxiliary Line Creation [54.53486231309254]
ソリッド幾何学における補助線形推論に適したオープンソースのLVLMであるGeoVLMathを提案する。我々は,LVLMの表現強度に整合性を持たせるために,補助線構成のテキスト記述を生成する。この報酬に基づいて構築されたGeoVLMathは、固体幾何学における補助線形推論に適したオープンソースのLVLMである。
論文参考訳（メタデータ） (2025-10-13T05:33:51Z)
MSRFormer: Road Network Representation Learning using Multi-scale Feature Fusion of Heterogeneous Spatial Interactions [18.883574280859147]
本稿では,新しい道路ネットワーク表現学習フレームワークであるMSRFormerを提案する。空間流の畳み込みを用いて、大きな軌跡データセットから小さな特徴を抽出する。道路ネットワークの空間構造を捉えるために,スケール依存の空間相互作用領域を同定する。
論文参考訳（メタデータ） (2025-09-06T11:19:13Z)
Hierarchical Graph Attention Network for No-Reference Omnidirectional Image Quality Assessment [21.897948374713163]
現在のOIQA(Omnidirectional Image Quality Assessment)法は,局所的な非一様歪みの評価に苦慮している。本稿では,ビューポート間の構造関係を明示的にモデル化するグラフニューラルネットワークを用いたOIQAフレームワークを提案する。
論文参考訳（メタデータ） (2025-08-13T14:25:24Z)
Considering Spatial Structure of the Road Network in Pavement Deterioration Modeling [33.54970710607668]
本研究では,道路ネットワークの空間的依存性をグラフニューラルネットワーク(GNN)を用いた舗装劣化モデルに適用する。本研究で使用されるデータには,テキサス交通省が管理する舗装管理情報システム(PMIS)から50万件以上の観測データを収集した大規模舗装条件データセットが含まれている。
論文参考訳（メタデータ） (2025-08-02T23:48:53Z)
HetGL2R: Learning to Rank Critical Road Segments via Attributed Heterogeneous Graph Random Walks [1.015962377068103]
HetGL2Rは、道路ネットワークにおけるノードのランク付けのための異種グラフ学習手法である。 HetGL2RはOD要求と経路選択情報を取り入れたベースラインよりも優れており、より正確で堅牢なノードランキングを実現している。
論文参考訳（メタデータ） (2025-04-27T11:32:41Z)
Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。 PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
論文参考訳（メタデータ） (2024-11-01T00:37:00Z)
Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
論文参考訳（メタデータ） (2023-06-15T14:50:27Z)
Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
論文参考訳（メタデータ） (2023-05-12T00:13:17Z)
Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph [54.03786611989613]
ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
論文参考訳（メタデータ） (2020-11-25T05:09:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。